ABOUT THE SPEAKER
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations.

Why you should listen

At the General Robotics, Automation, Sensing and Perception (GRASP) Lab at the University of Pennsylvania, flying quadrotor robots move together in eerie formation, tightening themselves into perfect battalions, even filling in the gap when one of their own drops out. You might have seen viral videos of the quads zipping around the netting-draped GRASP Lab (they juggle! they fly through a hula hoop!). Vijay Kumar headed this lab from 1998-2004. He's now the dean of the School of Engineering and Applied Science at the University of Pennsylvania in Philadelphia, where he continues his work in robotics, blending computer science and mechanical engineering to create the next generation of robotic wonders.

More profile about the speaker
Vijay Kumar | Speaker | TED.com
TEDxPenn

Vijay Kumar: The future of flying robots

Vijay Kumar: Budoucnost létajících robotů

Filmed:
1,780,679 views

Vijay Kumar vytvořil se svým týmem v laboratoři na Pennsylvánské univerzitě autonomní létající roboty inspirované včelami. Jejich nejnovější objev: přesné zemědělství, při kterém roje robotů mapují, modelují a analyzují každou jednotlivou rostlinu nebo plod v sadu. Poskytují tak farmářům zásadní informace, které jim pomohou zvýšit výnosy a lépe hospodařit s vodou.
- Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations. Full bio

Double-click the English transcript below to play the video.

00:13
In my lablaboratoř, we buildstavět
autonomousautonomní aerialletecký robotsroboty
0
1280
3656
V mé laboratoři stavíme
autonomní létající roboty
00:16
like the one you see flyingletící here.
1
4960
1880
jako je ten, kterého tu vidíte létat.
00:20
UnlikeNa rozdíl od the commerciallykomerčně availabledostupný dronesbezpilotní letouny
that you can buyKoupit todaydnes,
2
8720
3696
Na rozdíl od komerčních dronů
00:24
this robotrobot doesn't have any GPSGPS on boarddeska.
3
12440
2640
tento robot nemá žádnou GPS.
00:28
So withoutbez GPSGPS,
4
16160
1216
A bez GPS
00:29
it's hardtvrdý for robotsroboty like this
to determineurčit theirjejich positionpozice.
5
17400
3280
je pro roboty těžké určit svou polohu.
00:34
This robotrobot usespoužití onboardpalubní sensorssenzory,
cameraskamery and laserlaser scannersskenery,
6
22240
4736
Tento robot používá palubní senzory,
kamery a laserové snímače
00:39
to scanskenovat the environmentživotní prostředí.
7
27000
1696
a snímá jimi své okolí.
00:40
It detectsdetekuje featuresfunkce from the environmentživotní prostředí,
8
28720
3056
Rozpoznává prvky v okolním prostředí
00:43
and it determinesurčuje where it is
relativerelativní to those featuresfunkce,
9
31800
2736
a vzhledem k těmto prvkům
pak určuje svou polohu
00:46
usingpoužitím a methodmetoda of triangulationtriangulace.
10
34560
2136
za použití triangulační metody.
00:48
And then it can assembleshromáždit
all these featuresfunkce into a mapmapa,
11
36720
3456
Poté dokáže ze všeho,
co zjistil, poskládat mapu,
00:52
like you see behindza me.
12
40200
1736
jakou vidíte za mnou.
00:53
And this mapmapa then allowsumožňuje the robotrobot
to understandrozumět where the obstaclespřekážky are
13
41960
3936
Tato mapa umožňuje robotovi
chápat, kde jsou překážky,
00:57
and navigatenavigovat in a collision-freebez kolize mannerzpůsob.
14
45920
2720
a při letu se vyhnout kolizím.
01:01
What I want to showshow you nextdalší
15
49160
2096
Teď vám ukážu několik experimentů,
01:03
is a setsoubor of experimentsexperimenty
we did insideuvnitř our laboratorylaboratoř,
16
51280
3216
které jsme provedli v naší laboratoři,
01:06
where this robotrobot was ableschopný
to go for longerdelší distancesvzdálenosti.
17
54520
3480
kde mohl tento robot létat
na větší vzdálenosti než tady.
01:10
So here you'llBudete see, on the tophorní right,
what the robotrobot seesvidí with the cameraFotoaparát.
18
58400
5016
Vpravo nahoře vidíte,
co vidí robot svojí kamerou.
01:15
And on the mainhlavní screenobrazovka --
19
63440
1216
A na hlavní ploše –
01:16
and of coursechod this is spedSPED up
by a factorfaktor of fourčtyři --
20
64680
2456
ovšem ve čtyřnásobném zrychlení –
01:19
on the mainhlavní screenobrazovka you'llBudete see
the mapmapa that it's buildingbudova.
21
67160
2667
vidíte mapu, kterou si robot sestavuje.
01:21
So this is a high-resolutionvysoké rozlišení mapmapa
of the corridorkoridor around our laboratorylaboratoř.
22
69851
4285
Je ve vysokém rozlišení a je to
mapa chodby kolem naší laboratoře.
01:26
And in a minuteminuta
you'llBudete see it enterzadejte our lablaboratoř,
23
74160
2336
Za chvilku už vletí do naší laboratoře –
01:28
whichkterý is recognizablerozpoznatelné
by the clutternepořádek that you see.
24
76520
2856
poznáte ji podle toho nepořádku.
01:31
(LaughterSmích)
25
79400
1016
(Smích.)
01:32
But the mainhlavní pointbod I want to conveysdělit to you
26
80440
2007
Ale to hlavní, co jsem chtěl ukázat
01:34
is that these robotsroboty are capableschopný
of buildingbudova high-resolutionvysoké rozlišení mapsmapy
27
82472
3584
je, že tito roboti umí
vytvářet velmi přesné mapy
01:38
at fivePět centimeterscentimetry resolutionrozlišení,
28
86080
2496
s rozlišením na pět centimetrů,
01:40
allowingpovolit somebodyněkdo who is outsidemimo the lablaboratoř,
or outsidemimo the buildingbudova
29
88600
4176
takže člověk, který se nachází mimo
laboratoř nebo venku mimo budovu
01:44
to deploynasazení these
withoutbez actuallyvlastně going insideuvnitř,
30
92800
3216
je může vypouštět,
aniž vůbec vstoupí dovnitř,
01:48
and tryingzkoušet to inferodvodit
what happensse děje insideuvnitř the buildingbudova.
31
96040
3760
a může tak zjišťovat, co se v budově děje.
01:52
Now there's one problemproblém
with robotsroboty like this.
32
100400
2240
S podobnými roboty
je ale několik problémů.
01:55
The first problemproblém is it's prettydosti bigvelký.
33
103600
2200
Především je dost velký.
01:58
Because it's bigvelký, it's heavytěžký.
34
106120
1680
A protože je velký, je také těžký.
02:00
And these robotsroboty consumekonzumovat
about 100 wattswattů perza poundlibra.
35
108640
3040
Proto tito roboti spotřebují
na půl kilogramu asi 100 wattů.
02:04
And this makesdělá for
a very shortkrátký missionmise life.
36
112360
2280
Trvání jejich mise je proto velmi krátké.
02:08
The seconddruhý problemproblém
37
116000
1456
Druhý problém je,
02:09
is that these robotsroboty have onboardpalubní sensorssenzory
that endkonec up beingbytost very expensivedrahý --
38
117480
3896
že mají na palubě velmi drahé senzory –
02:13
a laserlaser scannerskener, a cameraFotoaparát
and the processorsprocesory.
39
121400
3440
laserový skener, kameru
a potřebné procesory.
02:17
That drivespohony up the costnáklady of this robotrobot.
40
125280
3040
To neúnosně zvyšuje cenu robota.
02:21
So we askedzeptal se ourselvessebe a questionotázka:
41
129440
2656
Proto jsme si položili otázku:
02:24
what consumerspotřebitel productprodukt
can you buyKoupit in an electronicselektronika storeobchod
42
132120
3776
jaký si můžete v obchodě s elektronikou
koupit výrobek,
02:27
that is inexpensivelevný, that's lightweightlehká váha,
that has sensingsnímání onboardpalubní and computationvýpočet?
43
135920
6280
který je levný, lehký a má zabudované
senzory a schopnost provádět výpočty?
02:36
And we inventedvymyslel the flyingletící phonetelefon.
44
144080
2656
A tak jsme vynalezli létající mobil.
02:38
(LaughterSmích)
45
146760
1936
(Smích.)
02:40
So this robotrobot usespoužití a SamsungSamsung GalaxyGalaxy
smartphoneSmartphone that you can buyKoupit off the shelfpolice,
46
148720
6176
Tento robot používá smartphone
Samsung Galaxy, který dostanete v obchodě,
02:46
and all you need is an appaplikace that you
can downloadstažení from our appaplikace storeobchod.
47
154920
4016
a potřebujete jen aplikaci, kterou si
stáhnete z našeho app store.
02:50
And you can see this robotrobot
readingčtení the letterspísmena, "TEDTED" in this casepouzdro,
48
158960
4216
A vidíte, že náš robot čte písmena,
v tomto případě písmena "TED",
02:55
looking at the cornersrohy
of the "T" and the "E"
49
163200
2936
dívá se na vrcholy písmen "T" a "E"
02:58
and then triangulatingtriangulace off of that,
flyingletící autonomouslyautonomně.
50
166160
3480
a používá je k triangulaci, takže
může samostatně létat.
03:02
That joystickjoystick is just there
to make sure if the robotrobot goesjde crazyšílený,
51
170720
3256
Ten joystick tam je jen pro jistotu,
aby ho Giuseppe mohl zabít,
03:06
GiuseppeGiuseppe can killzabít it.
52
174000
1416
kdyby se robot zbláznil.
03:07
(LaughterSmích)
53
175440
1640
(Smích.)
03:10
In additionpřidání to buildingbudova
these smallmalý robotsroboty,
54
178920
3816
Kromě stavby těchto malých robotů
03:14
we alsotaké experimentexperiment with aggressiveagresivní
behaviorschování, like you see here.
55
182760
4800
experimentujeme také
s agresivním chováním, jako zde.
03:19
So this robotrobot is now travelingcestování
at two to threetři metersmetrů perza seconddruhý,
56
187920
5296
Tento robot nyní letí
rychlostí 2-3 metry za sekundu
03:25
pitchingdlažební kostky and rollingválcování aggressivelyagresivně
as it changesZměny directionsměr.
57
193240
3496
a při změně směru
sebou agresivně hází a natáčí se.
03:28
The mainhlavní pointbod is we can have
smallermenší robotsroboty that can go fasterrychleji
58
196760
4256
To hlavní ale je, že můžeme mít
nemší roboty, kteří létají rychleji
03:33
and then travelcestovat in these
very unstructurednestrukturovaná environmentsprostředí.
59
201040
2960
a pouštět se s nimi do těchto
velmi neuspořádaných prostředí.
03:37
And in this nextdalší videovideo,
60
205120
2056
Na dalším videu vidíte ptáka,
03:39
just like you see this birdpták, an eagleorel,
gracefullyelegantně coordinatingkoordinování its wingskřídla,
61
207200
5896
orla, který s grácií
koordinuje svá křídla, oči a pařáty
03:45
its eyesoči and feetnohy
to graburvat preykořist out of the watervoda,
62
213120
4296
při lovu kořisti z vody –
03:49
our robotrobot can go fishingRybaření, too.
63
217440
1896
a náš robot může rybařit právě tak.
03:51
(LaughterSmích)
64
219360
1496
(Smích.)
03:52
In this casepouzdro, this is a PhillyPhilly cheesesteakCheesesteak
hoagiehoagie that it's grabbingchytání out of thintenký airvzduch.
65
220880
4056
V tomto případě ulovil
plněnou bagetu s masem a sýrem.
03:56
(LaughterSmích)
66
224960
2400
(Smích.)
03:59
So you can see this robotrobot
going at about threetři metersmetrů perza seconddruhý,
67
227680
3296
Takže máme robota letícího
rychlostí asi tři metry za sekundu,
04:03
whichkterý is fasterrychleji than walkingchůze speedRychlost,
coordinatingkoordinování its armszbraně, its clawsdrápy
68
231000
5136
tedy více než rychlostí chůze,
který za letu na sekundu přesně koordinuje
04:08
and its flightlet with split-secondokamžitá timingnačasování
to achievedosáhnout this maneuvermanévr.
69
236160
4120
své končetiny a pařáty
při velmi složitém manévru.
04:14
In anotherdalší experimentexperiment,
70
242120
1216
Další pokus ukazuje,
04:15
I want to showshow you
how the robotrobot adaptspřizpůsobuje se its flightlet
71
243360
3656
jak umí robot přizpůsobit svůj let,
04:19
to controlřízení its suspendedpozastaveno payloadužitečné zatížení,
72
247040
2376
když potřebuje ovládat zavěšený náklad.
04:21
whosejehož lengthdélka is actuallyvlastně largervětší
than the widthšířka of the windowokno.
73
249440
3800
Závěs je totiž delší, než je rozměr okna.
04:25
So in orderobjednat to accomplishdosáhnout this,
74
253680
1696
Aby to robot zvládl,
04:27
it actuallyvlastně has to pitchrozteč
and adjustupravit the altitudeNadmořská výška
75
255400
3696
musí se zhoupnout, upravit výšku
04:31
and swinghoupačka the payloadužitečné zatížení throughpřes.
76
259120
2320
a švihem dostat náklad do otvoru.
04:38
But of coursechod we want
to make these even smallermenší,
77
266920
2296
Rádi bychom je ovšem zmenšili ještě více,
04:41
and we're inspiredinspirovaný
in particularkonkrétní by honeybeesvčely.
78
269240
3016
v tom nás nejvíce inspirovaly včely.
04:44
So if you look at honeybeesvčely,
and this is a slowedke zpomalení down videovideo,
79
272280
3256
Když se na včely podíváte –
tady jsou na zpomaleném videu –
04:47
they're so smallmalý,
the inertiasetrvačnost is so lightweightlehká váha --
80
275560
3720
jsou tak malé
a mají tak malou setrvačnou hmotnost,
04:51
(LaughterSmích)
81
279960
1176
(Smích.)
04:53
that they don't carepéče --
they bounceodraz off my handruka, for examplepříklad.
82
281160
3536
že je jim to jedno.
Klidně se odrazí třeba od mé hlavy.
04:56
This is a little robotrobot
that mimicsnapodobuje the honeybeevčely medonosné behaviorchování.
83
284720
3160
Tohle je malý robot,
který napodobuje chování včel.
05:00
And smallermenší is better,
84
288600
1216
A menší znamená lepší,
05:01
because alongpodél with the smallmalý sizevelikost
you get lowerdolní inertiasetrvačnost.
85
289840
3536
protože malé rozměry
znamenají malou setrvačnou hmotnost.
05:05
AlongPodél with lowerdolní inertiasetrvačnost --
86
293400
1536
A malá setrvačná hmotnost –
05:06
(RobotRobot buzzingbzučení, laughtersmích)
87
294960
2856
(Bzučení robota, smích.)
05:09
alongpodél with lowerdolní inertiasetrvačnost,
you're resistantodolný to collisionskolizí.
88
297840
2816
znamená odolnost při kolizích.
05:12
And that makesdělá you more robustrobustní.
89
300680
1720
A jste tedy odolnější.
05:15
So just like these honeybeesvčely,
we buildstavět smallmalý robotsroboty.
90
303800
2656
A tak jsme postavili maličké roboty
právě jako ty včely.
05:18
And this particularkonkrétní one
is only 25 gramsgramů in weighthmotnost.
91
306480
3376
Konkrétně tenhle váží jen 25 gramů,
05:21
It consumesspotřebovává only sixšest wattswattů of powerNapájení.
92
309880
2160
má spotřebu jen šest wattů
05:24
And it can travelcestovat
up to sixšest metersmetrů perza seconddruhý.
93
312440
2536
a letí rychlostí až šest metrů za sekundu.
05:27
So if I normalizenormalizovat that to its sizevelikost,
94
315000
2336
Pokud to přepočteme na jeho velikost,
05:29
it's like a BoeingBoeing 787 travelingcestování
tendeset timesčasy the speedRychlost of soundzvuk.
95
317360
3640
je to jako by Boeing 787 letěl
desetinásobkem rychlosti zvuku.
05:36
(LaughterSmích)
96
324000
2096
(Smích.)
05:38
And I want to showshow you an examplepříklad.
97
326120
1920
Ukážu vám příklad.
05:40
This is probablypravděpodobně the first plannedplánování mid-airvzduchu
collisionkolize, at one-twentiethdvacetina normalnormální speedRychlost.
98
328840
5256
Toto je možná první úmyslná
vzdušná srážka, dvacetkrát zpomalená.
05:46
These are going at a relativerelativní speedRychlost
of two metersmetrů perza seconddruhý,
99
334120
2858
Vzájemná rychlost robotů
je dva metry za sekundu
05:49
and this illustratesilustruje the basiczákladní principlezásada.
100
337002
2480
a dobře to ilustruje základní princip.
05:52
The two-gramdva gram carbonuhlík fibervlákno cageklec around it
preventsbrání the propellerslodní šrouby from entanglingtenatové,
101
340200
4976
Je tu dvougramová klec z uhlíkových
vláken, která brání kontaktu vrtulí,
05:57
but essentiallyv podstatě the collisionkolize is absorbedabsorbováno
and the robotrobot respondsreagovat to the collisionskolizí.
102
345200
5296
ale jinak roboti náraz absorbují
a s kolizí se úspěšně vyrovnají.
06:02
And so smallmalý alsotaké meansprostředek safebezpečný.
103
350520
2560
Takže malý znamený také bezpečný.
06:05
In my lablaboratoř, as we developedrozvinutý these robotsroboty,
104
353400
2016
V mé laboratoři jsme vývoj začali
06:07
we startStart off with these bigvelký robotsroboty
105
355440
1620
u těch velkých robotů
06:09
and then now we're down
to these smallmalý robotsroboty.
106
357084
2812
a nyní jsme přešli k malým.
06:11
And if you plotspiknutí a histogramHistogram
of the numberčíslo of Band-AidsNáplasti we'vejsme orderedobjednané
107
359920
3456
A když si vyneseme do grafu,
kolik jsme objednávali leukoplasti dříve
06:15
in the pastminulost, that sorttřídění of tailedkvadrát off now.
108
363400
2576
a kolik dnes, ta křivka se blíží nule –
06:18
Because these robotsroboty are really safebezpečný.
109
366000
1960
tito roboti jsou skutečně bezpeční.
06:20
The smallmalý sizevelikost has some disadvantagesnevýhody,
110
368760
2456
Malé rozměry mají ovšem i některé nevýhody
06:23
and naturePříroda has foundnalezeno a numberčíslo of wayszpůsoby
to compensatekompenzovat for these disadvantagesnevýhody.
111
371240
4080
a příroda přišla na to,
jak je kompenzovat.
06:27
The basiczákladní ideaidea is they aggregateagregát
to formformulář largevelký groupsskupiny, or swarmsroje.
112
375960
4000
Základní idea je sdružovat se
a tvořit velké skupiny, neboli roje.
06:32
So, similarlypodobně, in our lablaboratoř,
we try to createvytvořit artificialumělý robotrobot swarmsroje.
113
380320
3976
A podobně i v naší laboratoři
se snažíme vyvinout umělé robotí roje.
06:36
And this is quitedocela challengingnáročný
114
384320
1381
A to je dost náročné,
06:37
because now you have to think
about networkssítě of robotsroboty.
115
385725
3320
protože najednou musíte uvažovat
o síťově propojených robotech.
06:41
And withinv rámci eachkaždý robotrobot,
116
389360
1296
A v každém z nich
06:42
you have to think about the interplaysouhra
of sensingsnímání, communicationsdělení, computationvýpočet --
117
390680
5616
musíte počítat se souhrou
vnímání, komunikace a výpočtů –
06:48
and this networksíť then becomesstává se
quitedocela difficultobtížný to controlřízení and managespravovat.
118
396320
4960
a celá síť je pak
poměrně složitá na řízení a správu.
06:54
So from naturePříroda we take away
threetři organizingorganizování principleszásady
119
402160
3296
Z přírody jsme převzali
tři organizační principy,
06:57
that essentiallyv podstatě allowdovolit us
to developrozvíjet our algorithmsalgoritmy.
120
405480
3160
které nám v podstatě stačí
k vývoji našich algoritmů.
07:01
The first ideaidea is that robotsroboty
need to be awarevědomě of theirjejich neighborssousedé.
121
409640
4536
První idea je, že roboti
musí vědět o svých sousedech.
07:06
They need to be ableschopný to sensesmysl
and communicatekomunikovat with theirjejich neighborssousedé.
122
414200
3440
Musí své sousedy umět vnímat
a komunikovat s nimi.
07:10
So this videovideo illustratesilustruje the basiczákladní ideaidea.
123
418040
2656
Toto video ilustruje základní ideu.
07:12
You have fourčtyři robotsroboty --
124
420720
1296
Máme čtyři roboty –
07:14
one of the robotsroboty has actuallyvlastně been
hijackedunesená by a humančlověk operatoroperátor, literallydoslovně.
125
422040
4240
a teď zrovna jednoho z nich unesl
lidský operátor, doslova.
07:19
But because the robotsroboty
interactinteragovat with eachkaždý other,
126
427217
2239
Ale protože roboti spolu interagují,
07:21
they sensesmysl theirjejich neighborssousedé,
127
429480
1656
vnímají své sousedy,
07:23
they essentiallyv podstatě follownásledovat.
128
431160
1296
v podstatě ho následují.
07:24
And here there's a singlesingl personosoba
ableschopný to leadVést this networksíť of followersSledující.
129
432480
5360
Takže jediný člověk
může vést celou síť následovatelů.
07:32
So again, it's not because all the robotsroboty
know where they're supposedpředpokládané to go.
130
440000
5056
A opakuji, není to tím, že by
všichni roboti věděli, kam mají letět.
07:37
It's because they're just reactingreagovat
to the positionspozic of theirjejich neighborssousedé.
131
445080
4320
Jenom reagují na polohu svých sousedů.
07:43
(LaughterSmích)
132
451720
4120
(Smích.)
07:48
So the nextdalší experimentexperiment illustratesilustruje
the seconddruhý organizingorganizování principlezásada.
133
456280
5240
Další experiment ilustruje
druhý organizační princip.
07:54
And this principlezásada has to do
with the principlezásada of anonymityanonymita.
134
462920
3800
Ten souvisí s principem anonymity.
07:59
Here the keyklíč ideaidea is that
135
467400
4296
Klíčové zde je,
08:03
the robotsroboty are agnosticbez ohledu na
to the identitiesidentity of theirjejich neighborssousedé.
136
471720
4240
že roboti se nestarají o identitu sousedů.
08:08
They're askedzeptal se to formformulář a circularoběžník shapetvar,
137
476440
2616
Mají za úkol vytvořit kruhovou formaci
08:11
and no matterhmota how manymnoho robotsroboty
you introducepředstavit into the formationformace,
138
479080
3296
a bez ohledu na to,
kolik robotů do formace vpustíte
08:14
or how manymnoho robotsroboty you pullSEM out,
139
482400
2576
nebo kolik jich odeberete,
08:17
eachkaždý robotrobot is simplyjednoduše
reactingreagovat to its neighborsoused.
140
485000
3136
každý robot prostě reaguje na své sousedy.
08:20
It's awarevědomě of the factskutečnost that it needspotřeby
to formformulář the circularoběžník shapetvar,
141
488160
4976
Ví, že má vytvořit kruh
08:25
but collaboratingspolupráce with its neighborssousedé
142
493160
1776
a ve spolupráci se sousedy ho vytvoří
08:26
it formsformuláře the shapetvar
withoutbez centralcentrální coordinationkoordinace.
143
494960
3720
bez centrální koordinace.
08:31
Now if you put these ideasnápady togetherspolu,
144
499520
2416
Když to spojíme dohromady,
08:33
the thirdTřetí ideaidea is that we
essentiallyv podstatě give these robotsroboty
145
501960
3896
třetí idea je dát robotům
08:37
mathematicalmatematický descriptionsPopis
of the shapetvar they need to executevykonat.
146
505880
4296
matematický popis tvarů,
které mají vytvořit.
08:42
And these shapestvary can be varyingrůzné
as a functionfunkce of time,
147
510200
3496
Tvary se mohou v čase měnit
08:45
and you'llBudete see these robotsroboty
startStart from a circularoběžník formationformace,
148
513720
4496
a vidíte, jak roboti začínají u kruhu,
08:50
changezměna into a rectangularobdélníkové formationformace,
stretchprotáhnout se into a straightrovný linečára,
149
518240
3256
mění ho na čtyřúhelník, pak přímku
08:53
back into an ellipseelipsa.
150
521520
1375
a zpět k elipse.
08:54
And they do this with the samestejný
kinddruh of split-secondokamžitá coordinationkoordinace
151
522919
3617
A dělají to se stejnou
bleskovou koordinací,
08:58
that you see in naturalpřírodní swarmsroje, in naturePříroda.
152
526560
3280
jakou vidíme
u přirozených rojů, v přírodě.
09:03
So why work with swarmsroje?
153
531080
2136
A proč se roji vůbec zabývat?
09:05
Let me tell you about two applicationsaplikací
that we are very interestedzájem in.
154
533240
4120
Řeknu vám o dvou uplatněních,
která nás velmi zajímají.
09:10
The first one has to do with agriculturezemědělství,
155
538160
2376
První souvisí se zemědělstvím,
09:12
whichkterý is probablypravděpodobně the biggestnejvětší problemproblém
that we're facingčelí worldwidecelosvětově.
156
540560
3360
asi největším problémem,
kterému celosvětově čelíme.
09:16
As you well know,
157
544760
1256
Jak víte,
09:18
one in everykaždý sevensedm personsosob
in this earthZemě is malnourishedpodvyživených.
158
546040
3520
každý sedmý člověk
na zemi trpí podvýživou.
09:21
MostVětšina of the landpřistát that we can cultivatekultivovat
has alreadyjiž been cultivatedkultivovaný.
159
549920
3480
Většina půdy, kterou
lze obdělávat, se již obdělává.
09:25
And the efficiencyúčinnost of mostvětšina systemssystémy
in the worldsvět is improvingzlepšení,
160
553960
3216
Ale zatímco efektivita
většiny systémů na Zemi roste,
09:29
but our productionvýroba systemSystém
efficiencyúčinnost is actuallyvlastně decliningklesající.
161
557200
3520
efektivita zemědělské výroby klesá.
09:33
And that's mostlyvětšinou because of watervoda
shortagenedostatek, cropoříznutí diseasesnemoci, climateklimatu changezměna
162
561080
4216
Je to dáno nedostatkem vody,
chorobami plodin, změnou klimatu
09:37
and a couplepár of other things.
163
565320
1520
a některými dalšími vlivy.
09:39
So what can robotsroboty do?
164
567360
1480
Jak by mohli roboti pomoci?
09:41
Well, we adoptpřijmout an approachpřístup that's
calledvolal PrecisionPřesnost FarmingZemědělství in the communityspolečenství.
165
569200
4616
Náš přístup nazýváme
přesné farmářství v dané komunitě.
09:45
And the basiczákladní ideaidea is that we flylétat
aerialletecký robotsroboty throughpřes orchardsovocné sady,
166
573840
5376
Hlavní idea je, že pustíme roboty do sadů
09:51
and then we buildstavět
precisionpřesnost modelsmodely of individualindividuální plantsrostlin.
167
579240
3120
a vyhotovíme přesné modely
jednotlivých rostlin.
Podobně jako u personalizovaného
zdravotnictví,
09:54
So just like personalizedindividuální medicinemedicína,
168
582829
1667
09:56
while you mightmohl imaginepředstav si wantingchtějí
to treatzacházet everykaždý patienttrpěliví individuallyjednotlivě,
169
584520
4816
kde si lze představit individuální
přístup ke každému pacientovi,
10:01
what we'dmy jsme like to do is buildstavět
modelsmodely of individualindividuální plantsrostlin
170
589360
3696
chceme vytvořit model každé rostliny
10:05
and then tell the farmerzemědělec
what kinddruh of inputsvstupy everykaždý plantrostlina needspotřeby --
171
593080
4136
a moci pak farmáři říkat,
jaké každá rostlina potřebuje vstupy –
10:09
the inputsvstupy in this casepouzdro beingbytost watervoda,
fertilizerhnojivo and pesticidepesticidů.
172
597240
4440
přičemž vstupy jsou zde
voda, hnojivo a pesticidy.
10:14
Here you'llBudete see robotsroboty
travelingcestování throughpřes an applejablko orchardovocný sad,
173
602640
3616
Tady vidíte robota,
jak postupuje jabloňovým sadem
10:18
and in a minuteminuta you'llBudete see
two of its companionsspolečníci
174
606280
2256
a za chviličku uvidíte dva jeho kolegy
10:20
doing the samestejný thing on the left sideboční.
175
608560
1810
jak dělají totéž na levé straně.
10:22
And what they're doing is essentiallyv podstatě
buildingbudova a mapmapa of the orchardovocný sad.
176
610800
3656
A společně v podstatě vytvářejí mapu sadu.
10:26
WithinV rámci the mapmapa is a mapmapa
of everykaždý plantrostlina in this orchardovocný sad.
177
614480
2816
Součástí mapy je i obraz každého stromu.
10:29
(RobotRobot buzzingbzučení)
178
617320
1656
(Bzukot robotů.)
10:31
Let's see what those mapsmapy look like.
179
619000
1896
Podívejme se jak ty mapy vypadají.
10:32
In the nextdalší videovideo, you'llBudete see the cameraskamery
that are beingbytost used on this robotrobot.
180
620920
4296
Na dalším videu uvidíte kamery,
které na tomto robotu používáme.
10:37
On the top-leftshora zleva is essentiallyv podstatě
a standardStandard colorbarva cameraFotoaparát.
181
625240
3240
Vlevo nahoře je v podstatě
standardní barevná kamera,
10:41
On the left-centervlevo na střed is an infraredinfračervený cameraFotoaparát.
182
629640
3296
vlevo uprostřed je obraz
z infračervené kamery
10:44
And on the bottom-leftvlevo dole
is a thermalTepelná cameraFotoaparát.
183
632960
3776
a vlevo dole z termokamery.
10:48
And on the mainhlavní panelpanel, you're seeingvidění
a three-dimensionaltrojrozměrný reconstructionrekonstrukce
184
636760
3336
A na hlavní ploše vidíte vznikat
trojrozměrnou rekonstrukci
10:52
of everykaždý treestrom in the orchardovocný sad
as the sensorssenzory flylétat right pastminulost the treesstromy.
185
640120
6120
jednotlivých stromů v sadu,
jak kolem nich senzory prolétají.
10:59
ArmedOzbrojení with informationinformace like this,
we can do severalněkolik things.
186
647640
4040
Vyzbrojeni těmito informacemi
pak můžeme dělat mnoho věcí.
11:04
The first and possiblymožná the mostvětšina importantdůležité
thing we can do is very simplejednoduchý:
187
652200
4256
První, a možná nejdůležitější,
je velmi jednoduchá:
11:08
countspočítat the numberčíslo of fruitsovoce on everykaždý treestrom.
188
656480
2440
spočítat plody na každém stromě.
11:11
By doing this, you tell the farmerzemědělec
how manymnoho fruitsovoce she has in everykaždý treestrom
189
659520
4536
Když farmáři řeknete,
kolik je na stromech plodů,
11:16
and allowdovolit her to estimateodhad
the yieldvýtěžek in the orchardovocný sad,
190
664080
4256
může odhadnout úrodu celého sadu
11:20
optimizingoptimalizace the productionvýroba
chainřetěz downstreamdolů.
191
668360
2840
a optimalizovat všech následující operace.
11:23
The seconddruhý thing we can do
192
671640
1616
Druhá věc, kterou můžeme udělat,
11:25
is take modelsmodely of plantsrostlin, constructpostavit
three-dimensionaltrojrozměrný reconstructionsrekonstrukce,
193
673280
4496
jsou modely rostlin. Sestavíme
jejich trojrozměrné rekonstrukce
11:29
and from that estimateodhad the canopybaldachýn sizevelikost,
194
677800
2536
a z nich odhadneme plošný průmět koruny.
11:32
and then correlatesladit the canopybaldachýn sizevelikost
to the amountmnožství of leaflist areaplocha on everykaždý plantrostlina.
195
680360
3776
Ten pak vztáhneme
k celkové ploše listů na dané rostlině
11:36
And this is calledvolal the leaflist areaplocha indexindex.
196
684160
2176
a získáme takzvaný index listové plochy.
11:38
So if you know this leaflist areaplocha indexindex,
197
686360
1936
A znáte-li index listové plochy,
11:40
you essentiallyv podstatě have a measureopatření of how much
photosynthesisfotosyntéza is possiblemožný in everykaždý plantrostlina,
198
688320
5456
máte měřítko toho,
nakolik je rostlina schopna fotosyntézy,
11:45
whichkterý again tellsvypráví you
how healthyzdravý eachkaždý plantrostlina is.
199
693800
2880
a to zase vypovídá o tom, jak je zdravá.
11:49
By combiningkombinování visualvizuální
and infraredinfračervený informationinformace,
200
697520
4216
Spojením vizuální
a infračervené složky můžeme vypočítat
11:53
we can alsotaké computevypočítat indicesindexy suchtakový as NDVINDVI.
201
701760
3296
také indikace jako NDVI –
normalizovaný diferenční vegetační index.
11:57
And in this particularkonkrétní casepouzdro,
you can essentiallyv podstatě see
202
705080
2816
V tomto konkrétním případě vidíte,
11:59
there are some cropsplodiny that are
not doing as well as other cropsplodiny.
203
707920
3016
že se některým rostlinám
nevede tak dobře jako ostatním.
12:02
This is easilysnadno discerniblezřetelné from imagerysnímky,
204
710960
4056
To lze z pořízených obrazů jasně určit –
12:07
not just visualvizuální imagerysnímky but combiningkombinování
205
715040
2216
ne pouze z viditelného obrazu,
12:09
bothoba visualvizuální imagerysnímky and infraredinfračervený imagerysnímky.
206
717280
2776
ale z jeho kombinace
s infračerveným zobrazením.
12:12
And then lastlynakonec,
207
720080
1336
A dále nás zajímá možnost
12:13
one thing we're interestedzájem in doing is
detectingdetekce the earlybrzy onsetnástup of chlorosischlorózy --
208
721440
4016
zjistit chlorózu v raném stádiu –
12:17
and this is an orangeoranžový treestrom --
209
725480
1496
tady je třeba pomerančovník.
12:19
whichkterý is essentiallyv podstatě seenviděno
by yellowingžloutnutí of leaveslisty.
210
727000
2560
Toto stádium se v podstatě
projevuje žloutnutím listů.
12:21
But robotsroboty flyingletící overheadRežie
can easilysnadno spotbod this autonomouslyautonomně
211
729880
3896
Roboti pozorující strom shora
to snadno samostatně zjistí
12:25
and then reportzpráva to the farmerzemědělec
that he or she has a problemproblém
212
733800
2936
a nahlásí farmáři,
že v dané části sadu
12:28
in this sectionsekce of the orchardovocný sad.
213
736760
1520
je problém.
12:30
SystemsSystémy like this can really help,
214
738800
2696
Podobné systémy mohou
skutečně pomoci, a my předpokládáme
12:33
and we're projectingprojektování yieldsvýnosy
that can improvezlepšit by about tendeset percentprocent
215
741520
5816
při použití rojů létajících robotů
možné zvýšení výnosů kolem deseti procent
12:39
and, more importantlydůležité, decreasepokles
the amountmnožství of inputsvstupy suchtakový as watervoda
216
747360
3216
a hlavně pokles potřebných vstupů,
12:42
by 25 percentprocent by usingpoužitím
aerialletecký robotrobot swarmsroje.
217
750600
3280
například vody, o 25 procent.
12:47
LastlyA konečně, I want you to applaudtleskat
the people who actuallyvlastně createvytvořit the futurebudoucnost,
218
755200
5736
Na závěr bych vás požádal o potlesk
pro ty, kdo doslova tvoří budoucnost:
12:52
YashJaroslav MulgaonkarMulgaonkar, SikangSikang LiuLiu
and GiuseppeGiuseppe LoiannoLoianno,
219
760960
4920
jsou to Yash Mulgaonkar,
Sikang Liu a Giuseppe Loianno,
12:57
who are responsibleodpovědný for the threetři
demonstrationsdemonstrací that you saw.
220
765920
3496
autoři těch tří demonstrací,
které jste viděli.
13:01
Thank you.
221
769440
1176
Děkuji vám.
13:02
(ApplausePotlesk)
222
770640
5920
(Potlesk.)
Translated by Jiří Rambousek
Reviewed by Katerina Jaburkova

▲Back to top

ABOUT THE SPEAKER
Vijay Kumar - Roboticist
As the dean of the University of Pennsylvania's School of Engineering and Applied Science, Vijay Kumar studies the control and coordination of multi-robot formations.

Why you should listen

At the General Robotics, Automation, Sensing and Perception (GRASP) Lab at the University of Pennsylvania, flying quadrotor robots move together in eerie formation, tightening themselves into perfect battalions, even filling in the gap when one of their own drops out. You might have seen viral videos of the quads zipping around the netting-draped GRASP Lab (they juggle! they fly through a hula hoop!). Vijay Kumar headed this lab from 1998-2004. He's now the dean of the School of Engineering and Applied Science at the University of Pennsylvania in Philadelphia, where he continues his work in robotics, blending computer science and mechanical engineering to create the next generation of robotic wonders.

More profile about the speaker
Vijay Kumar | Speaker | TED.com